广西师范大学学报(自然科学版) ›› 2011, Vol. 29 ›› Issue (3): 120-124.

• • 上一篇    下一篇

趋药性人工蜂群算法训练神经网络研究

林晓宇, 钟一文, 王爱荣   

  1. 福建农林大学计算机与信息学院,福建福州350002
  • 收稿日期:2011-06-15 出版日期:2011-08-20 发布日期:2018-12-03
  • 通讯作者: 林晓宇(1978—),男,福建平潭人,福建农林大学讲师。E-mail:linxiaoyu@foxmail.com
  • 基金资助:
    国家自然科学基金资助项目(30800713);福建省自然科学基金资助项目(2008J0316);福建省教育厅科技项目(JA10118)

Artificial Bee Colony with Chemotaxis Behavior for TrainingArtificial Neural Network

LIN Xiao-yu, ZHONG Yi-wen, WANG Ai-rong   

  1. College of Computer and Information Science,Fujian Agricultureand Forestry University,Fuzhou Fujian 350002,China
  • Received:2011-06-15 Online:2011-08-20 Published:2018-12-03

摘要: 本文设计了一种复合人工蜂群算法,将细菌觅食优化算法中的趋药性行为引入到人工蜂群算法中,使得引领蜂和观察蜂进行局部探查时像细菌觅食时那样翻转到有利的方向上进行游动;另一方面,让蜜蜂尝试在所有维度产生扰动并择优选择,这两种策略大大增强了人工蜂群算法的局部探查能力。将此算法应用于训练人工神经网络,实验表明改进后的算法性能比人工蜂群算法和粒子群算法有很大提高。

关键词: 趋药性, 人工蜂群, 人工神经网络, 细菌觅食优化

Abstract: A hybird artificial bee colony named ABC-CB (artificial bee colony with chemotaxis behavior) is presented to imporve the local exploitation ability of ABC.Chemotaxis behavior of bacterial foraging optimization algorithm is embedded into ABC in exploitation process to make employed bees and onlookers tumble to the best dimension and swim for several steps just like whatthe bacteria do while foraging.On the other hand,bees try all dimensions and selectthe best one to move.The simulation experiments carried out on the training of artificial neural network show that the proposed algorithm has better performance than bee colony optimization algorithm and particle swarm optimizationalgorithm.

Key words: chemotaxis, artifical bee colony, artificial neural network, bacterial foraging optimization

中图分类号: 

  • TP183
[1] 鲍立威,何敏,沈平.关于BP模型的缺陷的讨论[J].模式识别与人工智能,1995,8(1):1-5.
[2] 刘洪波,王秀坤,孟军.神经网络基于粒子群优化的学习算法研究[J].小型微型计算机系统,2005,26(4):638-670.
[3] 杨光友,刘琼.前向神经网络粒子群优化学习算法研究[J].广西师范大学学报:自然科学版,2008,26(3):151-155.
[4] 李伟强,徐建城,殷剑锋.蜜蜂群优化算法用于训练前馈神经网络[J].计算机工程与应用,2009,45(24):43-45,49.
[5] 王晶.蚁群算法优化前向神经网络的一种方法[J].计算机工程与应用,2006,42(25):53-55.
[6] PASSINO P M.Biomimicry of bacterial foraging for distributed optimization and control[J].IEEE Control System Magazine,2002,22(3):52-67.
[7] BLAKE C,KEOGH E,MERZ C J.UCI repository of machine learning databases[EB/OL].(1998)[2011-03-21].http://www.ic.uci.edu/ml/.
[1] 张超群, 郑建国, 李陶深. 侦察蜂在人工蜂群算法中的作用[J]. 广西师范大学学报(自然科学版), 2013, 31(3): 72-80.
[2] 俞青芬. 人工神经网络预测多氯代二苯并呋喃类化合物的正辛醇/水分配系数[J]. 广西师范大学学报(自然科学版), 2011, 29(4): 92-98.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!
版权所有 © 广西师范大学学报(自然科学版)编辑部
地址:广西桂林市三里店育才路15号 邮编:541004
电话:0773-5857325 E-mail: gxsdzkb@mailbox.gxnu.edu.cn
本系统由北京玛格泰克科技发展有限公司设计开发